[E-DailyJAEMIN SONG 记者] 三星电子正致力于提升其人工智能（AI）技术，通过综合分析智能手表测得的心率、睡眠及活动量等生物信号，为用户提供个性化的健康信息。

据三星电子14日透露，三星美国研究院（SRA）数字健康研究团队开发了用于学习可穿戴生物信号的健康基础模型“xMAE”和“HiMAE”。这两项研究成果分别被世界顶尖的AI学术会议——国际机器学习会议（ICML）和国际表征学习会议（ICLR）录用。

健康基础模型是一种预先学习了大规模医疗·健康数据，随后应用于疾病预测、生物信号分析、睡眠阶段分类等多种任务的人工智能模型。与按用途开发独立模型的传统方式不同，该模型可通过调整适应多种健康管理功能。

xMAE致力于学习不同生物信号之间的先后关系和时间差。心电图（ECG）虽能直接测量心脏的电活动，从而精确分析心律失常和心房颤动等状况，但因往往需要用户自行测量，在持续监测方面存在局限。而光血容量法（PPG）则可利用智能手表传感器，日常监测血流变化。

xMAE学习了同一心脏活动过程中，心电图（ECG）与光电容积脉搏波（PPG）在一定时间差后产生的关联。基于此，该模型被设计为利用易于测量的PPG数据，来重建被遮蔽的心电图（ECG）区间。研究人员解释称，即使不单独测量心电图，也能基于可穿戴设备获取的PPG数据，更精确地分析心血管健康相关特征。

研究团队利用约9400小时的ECG·PPG数据对xMAE进行了预训练。结果显示，在心血管疾病预测、异常检测结果识别、睡眠阶段分类等19项评估任务中，该模型在15项任务中表现优于单一生物信号或现有学习方法。研究还证实，即使传感器设备、测量位置及环境发生变化，仍可利用已学习的特征。

HiMAE是一种将可穿戴数据按多个时间单位进行分割分析的模型。它在不同的层级上分别学习像心跳那样在短时间内出现的变化，以及像睡眠和活动量那样长期累积的趋势。通过遮蔽部分数据并使其进行重建，即使缺乏单独的正确答案信息，也能识别生物信号的主要模式。

研究结果表明，HiMAE在体积小于现有模型的同时，在主要评估指标上表现优异。其运算效率也显著提升，可在智能手表中央处理器（CPU）上于1毫秒内得出结果。研究人员解释称，这证明了无需依赖云服务器、直接在设备端实时分析生物信号的“设备端健康基础模型”的可行性。

领导该研究的SRA数字健康团队研究员沙兰亚·德赛表示：“我们为提供更高效、更精准且持续的健康洞察奠定了技术基础，”并称：“希望为开发能在有限传感器和计算资源下运行的健康AI模型做出贡献。”

SRA数字健康团队研究员苏布·文卡特拉曼表示：“我们展示了健康基础模型在学习生物信号间关系及时间结构方面的潜力”，并称：“我们将继续开展可应用于各类健康管理的健康AI研究。”